Theo Báo cáo Tương lai Việc làm 2025 của Diễn đàn Kinh tế Thế giới (WEF), 63% nhà tuyển dụng được khảo sát coi khoảng cách kỹ năng là rào cản lớn nhất đối với chuyển đổi doanh nghiệp. Đây là số liệu toàn cầu, không riêng Việt Nam, nhưng phản ánh thực tế dễ gặp: công nghệ thường đến nhanh hơn năng lực của người ra quyết định.
Khoảng cách ấy lộ ra ngay trên bàn duyệt ngân sách. Hãy hình dung một chuỗi bán lẻ muốn giảm tồn kho và đang được chào mời một hệ thống AI. Trước khi ký duyệt, lãnh đạo cần biết vấn đề nằm ở dự báo nhu cầu, ở dữ liệu hay ở quy trình đặt hàng. Nếu tồn kho tăng chỉ vì hệ thống ghi nhận sai hàng trả lại, sửa dữ liệu có khi hiệu quả hơn mua một mô hình mới.
Với bà Nguyễn Ngọc Thu, CEO một chuỗi cửa hàng F&B, đồng thời là GĐ Truyền thông và Quản lý bán hàng của Hajoles, đây không phải tình huống giả định. “Đã có lúc tôi được giới thiệu những phần mềm hứa hẹn dự báo chính xác lượng bán, nhưng ngồi lại mới thấy số liệu giữa các cửa hàng và các ứng dụng giao đồ ăn còn chưa khớp nhau. Khi ấy, việc cần làm trước là chuẩn hóa dữ liệu, chưa phải mua thêm công cụ”, bà chia sẻ.
Cùng một bài toán, bốn cách tiếp cận
Bốn khái niệm này hay bị dùng lẫn vì chúng chồng lấn nhau: học máy là một nhánh của AI, đồng thời là công cụ quen thuộc của khoa học dữ liệu. Để phân biệt, hãy đặt cả bốn vào cùng bài toán tồn kho nói trên và xem mỗi hướng trả lời câu hỏi gì.
Trí tuệ nhân tạo lo phần giao tiếp với khách hàng. Trong bài toán này, đó có thể là một trợ lý giải đáp về chính sách đổi hàng. Người cần nắm hướng này là lãnh đạo chuyển đổi số, quản lý sản phẩm hoặc vận hành dịch vụ.
Học máy đi sâu vào mô hình: huấn luyện và kiểm thử để dự báo tuần tới mỗi mặt hàng bán được bao nhiêu, dựa trên dữ liệu lịch sử. Đây là địa hạt của kỹ sư, chuyên viên dữ liệu và quản lý kỹ thuật.
Khoa học dữ liệu bắt đầu từ câu hỏi “vì sao”: thu thập, làm sạch và phân tích dữ liệu để tìm ra nhóm sản phẩm đang kéo tồn kho đi lên. Hướng này hợp với chuyên viên dữ liệu, người làm nghiên cứu hoặc trưởng nhóm phân tích.
Phân tích kinh doanh gần nhất với bàn làm việc của nhà quản lý: so sánh biên lợi nhuận, tồn kho và chi phí để quyết định giữ mặt hàng nào, đẩy kênh bán nào. Người hưởng lợi trực tiếp là quản lý kinh doanh, tài chính, marketing và vận hành.
Các hướng này thường đi cùng nhau trong một dự án: phân tích dữ liệu phát hiện sai lệch, mô hình dự báo hỗ trợ nhập hàng, còn người quản lý cân nhắc lợi ích của việc giảm tồn kho so với chi phí vận hành.
Chọn chương trình bằng đề cương, không bằng tên ngành
East Bridge University (EBU), cơ sở giáo dục đại học tư thục có pháp nhân tại Paris (Pháp), công bố nhóm thạc sĩ ứng dụng trực tuyến, trong đó có đủ bốn hướng kể trên.
Thạc sĩ Khoa học dữ liệu của EBU có các học phần về quản lý dữ liệu, học máy, kỹ thuật phân tích, đạo đức dữ liệu và một bài nghiên cứu cuối khóa. Những yêu cầu ấy cho thấy người học sẽ phải trình bày bằng chứng, giải thích phương pháp và chỉ ra giới hạn trong chính kết luận của mình.
East Bridge University (EBU) đào tạo thạc sĩ ứng dụng trực tuyến
Với người quản lý không xuất thân từ kỹ thuật, thước đo hữu ích là sau khóa học, họ có đặt được câu hỏi đúng cho đội triển khai hay không: hệ thống sẽ cải thiện chỉ số nào, đang được so với cách làm hiện tại ra sao, và ai chịu trách nhiệm khi dự báo lệch?
Chọn lộ trình từ nhu cầu công việc
Tại Việt Nam, Viện Đại học Hanoi Open E-Learning (HOE) là đối tác tuyển sinh của EBU, hỗ trợ ứng viên đối chiếu mục tiêu nghề nghiệp với yêu cầu đầu vào và rà soát hồ sơ. Đề cương, chuẩn đánh giá và quyết định xét tuyển thuộc về EBU. Trước khi nộp hồ sơ, người quan tâm nên hỏi rõ HOE về ngôn ngữ giảng dạy và giá trị sử dụng của văn bằng tại nơi mình làm việc.
Theo TS Hoàng Bảo Ngọc, đồng sáng lập HOE, điểm xuất phát nên nằm ở chính công việc:
“Người quản lý nên bắt đầu từ chính quyết định mình muốn cải thiện. Khi đã gọi đúng tên bài toán, họ mới biết mình cần học để đọc dữ liệu, đánh giá một mô hình hay dẫn dắt việc triển khai AI.”
Với một lãnh đạo kinh doanh, bước đầu có thể là chọn ra một quyết định đang tốn nhiều thời gian hoặc vẫn quen dựa vào cảm tính, như lượng nguyên liệu cần nhập cho tuần tới ở một chuỗi F&B, rồi xác định cần dữ liệu gì và đo kết quả bằng cách nào. Lộ trình học đáng theo đuổi là lộ trình giúp họ đưa ra quyết định ấy tốt hơn, giải thích được căn cứ và biết lúc nào cần nhờ đội chuyên môn kiểm tra lại.
